拆解亿级产品实操案例，了解增长到底在做什么？

编辑：011 时间：2020-03-10

这篇应该是19年6月份就应该发出来的文章，结果……（站直挨打）

这篇文章的策略，曾帮助过美颜相机获得过持续每月百万级的用户增长，并且多次分享过，反响都比较好。希望通过我沉淀的一些增长方法，让大家能全盘了解最近火热的增长岗到底在做什么？增长和产品有什么区别？

首先，请大家带入一个角色，现在让你负责整个美颜相机的增长team，老板给的任务就是提升DAU，你会从何入手？通过美颜相机的几个案例，把感悟五个比较深刻的点分享给大家，在做很多增长项目过程当中，或许能有启发和帮助。

一、增长不完全等于「裂变」「新增」，是系统能力

可能你一开始就会想到了裂变、拉新，想找问题，想到某个策略等等，但增长并不是某种策略，是一种系统化的科学流程，是一种确定目标，选择关键问题，找到增长路径的系统能力。

第一步：确定北极星指标

1. 为什么不直接拿DAU当目标？

当然每个业务的目标都是DAU等等指标，但是增长不应该直接拿大目标当成北极星指标。

DAU、留存很大，与多种因素相关，盯着大目标策略会散;DAU增长不一定意味着好的方向：买量、节日、活动;

DAU几乎和留存率相反;

2. 没有找到正确增长的目标「北极星指标」，成立的条件：

与留存率正相关，并体现用户真实活跃度;体现产品的价值;

符合行为周期，可拆解公式;

所以对于美颜相机来说，北极星指标应该是周保存用户数，原因：

相机产品只有完成拍照/保存，用户才能体会产品价值 – 激活时刻，当没有完成拍照保存，那么产品的价值就是打折的;与留存率成正相关：保存人数越多，留存率越高;

第二步：确定增长公式

根据北极星指标，确定增长公式，如下：

确定模型公式之后，又有两个问题：

1. 影响因子那么多，先做哪个？

数量级：周新增用户数、周留存用户数、周召回用户数；转化率：预览率、拍照率、保存率；

2. 为什么一开始没有选择去做新增&数量级？

当时，美颜相机的流失速度远大于拉活和新增速度（流失速度是新增速度2倍以上）；并且新增和数量级的事情，成本高、难度大、周期长；

把流量比喻成桶里的水，整个桶是有大窟窿，是漏的，而这时候选择去做新增&数量级，性价比是很低的。

所以我把增长路径分为了三个阶段，分别重点放在哪些问题和事情上：

第三步：决策方法

两个决策方法，去梳理自己要做的事情。

1. 以定量的数据增长模型为主线，梳理产品流量地图，漏斗、模型等，从数据的角度挖掘机会点。

2. 以用户决策心理因素为辅线，梳理用户层级迁移的心理决策因素，思考每次跃迁决策的是什么问题，影响的因素是什么，从而挖掘机会点

二、「低垂果实」

低垂果实，就是低成本、成功概率高、效果明显的决策。找到低垂果实是增长起步阶段的重要事件。怎么找？定量看数据找到薄弱点，或者定性用户调研发现问题点。

第一步：问题

在这个案例中，北极星指标是保存用户数。已知现有用户的预览率、拍摄率和保存率（不同功能的渗透率指标），发现预览率比预想低很多。

预览率指的是点击相机后拍照之前看到自己的面孔的比例，现在流程是用户一打开相机，是首页，并不是直接看到自己的脸。而由于亿级用户习惯和千万营收，首页几乎是跨不去的坎。怎么解决这个看似矛盾的问题呢？

第二步：想法（提出假设）

让用户进入美颜相机最短时间内看到自己，拍出好看、满意的照片，能提高激活率和留存率；
新用户、回流用户（超过30天没回来而今天回来了的用户）路径因素最大，为摇摆用户，必须X秒内完成关键行为
提高留存延长生命周期，能弥补首页广告价值

第三步：实验

在AB阶段时，将用户分为了三类用户，进行去掉首页实验，分别观察拍摄率、多日留存率的变化。

可以看到对于回流用户，无论是拍摄率还是多日留存率有显著提升，假设基本成立，但广告收益如何度量？

第四步：度量和放大

其实无非是一道计算题：

时间拉长来看，必定存在拐点，K1*B>K2*A+K2*B，广告收益成正向上（可以点开大图详细看看）

最终，无论是商业部还是老板都认可收益价值，并将实验对回流用户生效，而最终实验效果也是巨大的提升，这就是一个典型的低垂果实案例，难度和成本并不高，关键在于发现、实验和估算方法。

三、找影响面最大的点

在提出想法的时候，需要跳出原来的思维框架，站在全局去思考所有的策略，尽可能找到影响面最大的点。

美颜相机对比竞品，最大的优势是上X亿的存量用户，几倍于竞品，而当时美颜相机已优化和摆脱了过假的效果，甚至在「美」有更进一步的理解，急需让用户重新认识年轻、时尚的美颜相机；而PUSH是用户召回和重新认识产品重要的手段。

第一步：分析、寻找问题点

可触达用户一般是月活2倍左右，而我们却只有月活1/2，这里空间至少X千万
推送打开引导没有做(预估是比同类产品低20%)，这里空间至少X千万
推送总量过少，担心用户反馈多
点击率、激活率过低

第二步：提出想法

依然分三个阶段进行：

第三步：实验和度量

PUSH可优化项非常多，开始前先需要建立反向指标：卸载率，投诉率。为了可控，将用户根据RMF模型（Recency：近X天才有保存行为、Monetary：30天内保存累积次数Y、Frequency：30天内有Z天有保存行为）高低值，交叉出8个人群，针对不同人群有不同的优化手段，保证数量级和转化率情况下，卸载率和投诉率不增加。